分布式天线系统MIMO信道容量分析_李汉强

MIMO技术在卫星通信系统中的应用李锴【摘要】针对卫星通信系统的特点,提出MIMO技术在单卫星和多卫星场景下的应用.首先分析了MIMO卫星通信系统在采用再生转发和透明转发情况下的系统容量,随后对单卫星及多卫星系统分别提出了采用正交分组码及其分布式改进形式的MIMO系统方案,最后对影响MIMO卫星通信系统的因素进行讨论.相比点对点卫星通信系统,MIMO卫星通信系统能够大大提高系统容量和频谱利用率.设计将正交分组码及其分布式改进形式在单卫星及多卫星系统中进行应用,MIMO卫星通信系统的性能将获得进一步的提升.【期刊名称】《化工设计通讯》【年(卷),期】2016(042)001【总页数】2页(P118,121)【关键词】MIMO;卫星通信;正交分组码【作者】李锴【作者单位】中国交通通信信息中心,北京100011【正文语种】中文【中图分类】TN927.2在当前的信息化社会中，由于卫星通信具有覆盖范围大、受地理条件限制小、频带宽、容量大、机动灵活等特点，因而成为全球通信网络中不可或缺的有效信息传输手段。

随着社会经济的发展，民用与军事卫星通信应用愈加广泛，高速高质量的数据传输需求也更加迫切，这就对卫星通信系统的传输带宽提出了更高的要求。

我们可以简单地将MIMO通信系统定义为，在发射端和接收端分别采用多个天线的通信系统。

利用MIMO技术可以提高网络的容量、链路性能以及覆盖面积，给网络运营商带来巨大的收益。

MIMO技术的核心是空时信号处理，也就是利用在空间中分布的多个天线将时间域和空间域结合起来进行信号处理。

该技术的关键是能够将传统通信系统中存在的多径影响因素转变成对用户通信性能有利的增强因素。

2.1 信道模型在一个点对点的MIMO系统中，假设配置N根发射天线和M根接收天线，用离散时间描述复基带线性系统模型，平坦瑞利衰落条件系统模型表达式为其中发射信号表示为s=[s1，s2，…，sN]T；接收信号表示为y=[y1，y2，…，yM]T；H∈CM×N为信道矩阵，其第i行第j列上的元素hij表示从第j根发送天线到第i根接收天线之间的信道增益，包含服从对数正态分布的大尺度衰落以及服从瑞利分布的小尺度衰落2部分的影响；n∈CM×1为接收端的复加性高斯白噪声，服从均值为0，方差为σ2的正态分布Nc(0，σ2)。

2005年8月Journal on Communications August 2005 第26卷第8期通信学报V ol.26No.8分布式天线系统MIMO信道容量分析李汉强1，郭伟1，郑辉2（1. 电子科技大学抗干扰通信国家重点实验室，四川成都 610041；2. 电子科技大学信号盲处理国防科技重点实验室，四川成都 610041）摘要：结合了分布式天线系统和MIMO信道特点的分布式MIMO系统可以改善覆盖特性，提高系统容量。

提出了包含路径损耗、快衰落和阴影衰落的两层分集分布式MIMO系统。

对MIMO信道容量的分析表明，分布式MIMO系统具有良好的信道容量均匀覆盖特性。

与传统集中式天线系统相比，分布式MIMO系统可以获得更好的小区平均信道容量。

对下行信道容量的数值分析表明，由于“充水”方式功率分配可以充分利用MIMO信道信息，此时的分布式MIMO系统可以比等功率分配条件下的分布式天线系统多获得0.25bit/(s·Hz)每发送天线的信道容量增量。

关键词：移动通信；分布式天线系统；MIMO；信道容量中图分类号：TN913.24 文献标识码：A 文章编号：1000-436X(2005)08-0134-05 Analysis of MIMO channel capacity for distributed antenna systemLI Han-qiang1, GUO Wei1, ZHENG Hui2(1. National Comm. Tech. Key LAB, University of Electronic Science and Technology of China, Chengdu 610041, China;2. National Defence Key Laboratory of Blind Processing of Signals, University of Electronic Science and Technology of China, Chengdu 610041, China)Abstract: A distributed MIMO system combining the characteristics of MIMO channel and distributed antenna system was proposed. Channel model considered the influences of path loss, fast fading and lognormal shadowing. First, MIMO channel capacity between distributed antenna (DA) systems and conventional centralized antenna (CA) systems were compared. Through the comparison, it was found that the DA systems could acquire equal coverage property in the cell, and achieve a better channel capacity than CA systems. Following that, two different power allocation strategies were analyzed for downlink. The numerical results show that, because of the knowledge of the MIMO channel, water-filling power allocation strategy can achieve a channel capacity increment of about 0.25bit/(s·Hz) per transmission antenna.Key words: mobile communication; distributed antenna system; MIMO; channel capacity1引言随着移动通信用户数量不断增加，传统中央天线（CA, centralized antenna）系统容量问题越来越突出，分布式天线（DA, distributed antenna）系统以其大覆盖范围、较少的切换等特性被认为是很有竞争力的备选方案。

ＭＩＭＯ系统和无线信道容量研究傅海阳１陈技江１曹士坷１，贾向东１，２１．南京邮电大学江苏省无线通信重点实验室，江苏南京 ２１０００３２．西北师范大学数学与信息科学学院，甘肃兰州 ７３００７０ 摘要：ＭＩＭＯ（Ｍｕｌｔｉｐｌｅ－Ｉｎｐｕｔ　Ｍｕｌｔｉｐｌｅ－Ｏｕｔｐｕｔ）理论试图在Ｓｈａｎｎｏｎ信道容量公式基础上导出正比于收发信天线数的ＭＩＭＯ无线信道容量（ｗＣＣ）公式．由于ＭＩＭＯ系统同时使用多根天线发送同频信号，在ＭＩＭＯ的物理信道中会包含多个虚拟独立瑞利衰落信道．因此ＭＩＭＯ理论关于独立瑞利衰落信道的定义在实际应用中很难成立，会导致所依据的空分复用（　ＳＤＭ）无法实现，使ＭＩＭＯ理论在数学层面导出的ＷＣＣ公式在物理实现上会存在很大的不确定性．由于该系统使用不控制相位的多天线同频发射，多波干涉作用的影响是不可避免的，一定会产生方向不确定的定向发送波束，将形成多个电波覆盖盲区和一个不合理的无线通信系统．本文将利用数学分析和多天线发送波束模拟的方法证明上述结论．还将提出在Ｓｈａｎｎｏｎ公式应用原理和相控天线阵理论基础上构建的ＳＨＰＣＡ系统，将利用相控天线阵给出的定向窄波束形成功率利用率极高的ＳＤＭ功能，并给出对应的ＷＣＣ公式，其容量正比与收发天线数和ＳＤＭ次数，比Ｓｈａｈｎｏｎ公式具有更高的效率．ＭＩＭＯ；　Ｓｈａｎｎｏｎ公式；通信容量；相控天线阵；天线物理特性ＴＮ９１１．２３Ａ０３７２－２１１２　（２０１１） １０－２２２１－０９Ｓｔｕｄｙ　ｏｎ　ｔｈｅ　ＭＩＭＯ　Ｓｙｓｔｅｍ　ａｎｄ　Ｗｉｒｅｌｅｓｓ　Ｃｈａｎｎｅｌ　ＣａｐａｃｉｔｙＦＵ　Ｈａｉ－ｙａｎｇＣＨＥＮ　Ｊｉ－ｊｉａｎｇＣＡＯ　Ｓｈｉ－ｋｅＪＩＡ　Ｘｉａｎｇ－ｄｏｎｇ２０１１－０４－１９２０１１－０６－０７量．因此如系统或可在处理收信设阵元间隔考虑天线间隔．图８　ＭＱＡＭ方式的＠＠［　１　］　Ｇ　Ｊ　Ｆｏｓｃｈｉｎｉ　ａｎｄ　Ｍ　Ｊ　Ｇａｎｓ．　Ｏｎ　ｌｉｍｉｔｓ　ｏｆ　Ｗｉｒｅｌｅｓｓ　Ｃｏｍｍｕｎｉｃａ ｔｉｏｎｓ　ｉｎ　ａ　Ｆａｄｉｎｇ　Ｅｎｖｉｒｏｎｍｅｎｔ　Ｗｈｅｎ　Ｕｓｉｎｇ　Ｍｕｌｔｉｐｌｅ　Ａｎｔｅｎｎａｓ ［Ｊ］．　Ｗｉｒｅｌｅｓｓ　Ｐｅｒｓ．　Ｃｏｍｍｕｎ．，　１９９８，６（３）　：３１１　－　３３５．＠＠［２］　Ａ　ｖａｎ　Ｚｅｌｓｔ，　Ｒ　ｖａｎ　Ｎｅｅ，　ｅｔ　ａｌ．　Ｓｐａｃｅ　Ｄｉｖｉｓｉｏｎ　Ｍｕｌｔｉｐｌｅｘｉｎｇ （ＳＤＭ）　ｆｏｒ　ＯＦＤＭ　Ｓｙｓｔｅｍｓ　［　Ａ］．　Ｐｒｏｃ　ｏｆ　ＩＥＥＥ　Ｖｅｈ．　Ｔｅｃｈｎｏｌ． Ｃｏｎｆ．　［Ｃ］．　Ｔｏｋｙｏ：　ＶＥＴＥＣＳ，２０００．１０７０－　１０７４．＠＠［３］　Ａｌｌｅｒｔ　ｖａｎ　Ｚｅｌｓｔ，Ｔｉｍ　Ｃ　Ｗ　Ｓｃｈｅｎｋ．　Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　ａ　ＭＩＭＯ ＯＦＤＭ－Ｂａｓｅｄ　Ｗｉｒｅｌｅｓｓ　ＬＡＮ　Ｓｙｓｔｅｍ［　Ｊ］．　ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎ　ｏｎ Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，２００４，５２（２）　：４８３　－　４９４．＠＠［４］　Ｈ　Ｓａｍｐａｔｈ，　Ｓ　Ｔａｌｗａｒ，　Ｊ　Ｔｅｌｌａｄｏ，　ｅｔ　ａｌ．Ａ　Ｆｏｕｒｔｈ－Ｇｅｎｅｒａｔｉｏｎ ＭＩＭＯ－ＯＦＤＭ：　Ｂｒｏａｄｂａｎｄ　Ｗｉｒｅｌｅｓｓ　ｓｙｓｔｅｍ：　Ｄｅｓｉｇｎ，　Ｐｅｒｆｏｒ ｍａｎｃｅ，　ａｎｄ　Ｆｉｅｌｄ　Ｔｒｉａｌ　Ｒｅｓｕｌｔｓ［　Ｊ］．　ＩＥＥＥ　Ｃｏｒｎｍｕｎ．　Ｍａｇ，２００２， ４０（９）　：　１４３　－　１４９．＠＠［　５　］　Ｓｔｕｄｅｎｔ　Ｂｏｏｋ．　ＬＴＥ　Ｓｙｓｔｅｍ　Ｔｅｃｈｎｉｑｕｅｓ［　Ｍ　］．　Ｓｔｏｃｋｈｏｌｍ，　Ｓｗｅ ｄｅｎ：　Ｅｒｉｃｓｓｏｎ，２００８．１１５　－　１２０．＠＠［６］焦慧颖．ＬＴＥ－Ａｄｖａｎｃｅｄ中的多用户ＭＩＭＯ的标准化进展 ［Ｊ］．现代电信科技，２０１０．３：９５－９９．＠＠［７　］　Ｉ　Ｋｈａｎ，　Ｐ　Ｓ　Ｈａｌｌ．　Ｅｘｐｅｒｉｍｅｎｔａｌ　Ｅｖａｌｕａｔｉｏｎ　ｏｆ　ＭＩＭＯ　Ｃａｐａｃｉｔｙ ａｎｄ　Ｃｏｒｒｅｌａｔｉｏｎ　ｆｏｒ　Ｎａｒｒｏｗｂａｎｄ　Ｂｏｄｙ－Ｃｅｎｔｒｉｃ　Ｗｉｒｅｌｅｓｓ　Ｃｈａｎ ｎｅｌｓ　［　Ｊ　］．　ＩＥＥＥ　Ｔｒａｎｓａｃｆｉｏｎｓ　ｏｎ　Ａｎｔｅｎｎａｓ　ａｎｄ　Ｐｒｏｐａｇａｔｉｏｎ， ２０１０，５８（１）　：　１９５　－　２０２．＠＠［８］　Ｄｉａｎ－Ｗｕ　Ｙｕｅ，Ｊｉｎｈｏｎｇ　Ｙｕａｎ．　Ｏｎ　ｔｈｅ　Ｐｏｗｅｒ　ｏｆ　ＭＩＭＯ　Ｂｒｏａｄ ｃａｓｔ　Ｓｙｓｔｅｍｓ　Ｕｎｄｅｒ　ＳＮＲ　Ｃｏｎｓｔｒａｉｎｔｓ　Ｗｉｔｈ　Ｌｉｍｉｔｅｄ　Ｆｅｅｄｂａｃｋ ［Ｊ］．　ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｖｅｈｉｃｕｌａｒ　Ｔｅｃｈｎｏｌｏｇｙ，　２０１１，　６０ （１）　：３４９　－　３５３．＠＠［９］　Ｃ　Ｍａｓｏｕｒｏｓ．　Ｃｏｒｒｅｌａｔｉｏｎ　Ｒｏｔａｔｉｏｎ　Ｌｉｎｅａｒ　Ｐｒｅｃｏｄｉｎｇ　ｆｏｒ　ＭＩＭＯ Ｂｒｏａｄｃａｓｔ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　［　Ｊ　］．　ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，　２０　１１，５９（　１　）　：２５２　－　２６２．＠＠［１０］　Ｍ　Ｂｉｎｅｌｏ，Ａ　Ｌ　Ｆ　Ｄｅ　Ａｌｍｅｉｄａ，　ｅｔ　ａｌ．ＭＩＭＯ　Ｃｈａｎｎｅｌ　Ｃｈａｒａｃ ｔｅｒｉｚａｔｉｏｎ　ａｎｄ　Ｃａｐａｃｉｔｙ　Ｅｖａｌｕａｔｉｏｎ　ｉｎ　ａｎ　Ｏｕｔｄｏｏｒ　Ｅｎｖｉｒｏｎｍｅｎｔ ［Ａ　］．　Ｐｒｏｃ　ｏｆ　２０１０　Ｆａｌｌ　ＩＥＥＥ　７２ｎｄ　Ｖｅｈｉｃｕｌａｒ　Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ　（ＶＴＣ　２０１０　－　Ｆａｌｌ）　［Ｃ］．　Ｏｔｔａｗａ：　ＶＥＴＥＣＦ，　２０１０． １－５．＠＠［　１１　］　Ｊ　Ｂｌａｎｚ，　Ａ　Ｋｌｅｉｎ，　ｅｔ　ａｌ．　Ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ａ　Ｃｅｌｌｕｌａｒ　Ｈｙｂｒｉｄ　Ｃ／ ＴＤＭＡ　Ｍｏｂｉｌｅ　Ｒａｄｉｏ　Ｓｙｓｔｅｍ　Ａｐｐｌｙｉｎｇ　Ｊｏｉｎｔ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ Ｃｏｈｅｒｅｎｔ　Ｒｅｃｅｉｖｅｒ　Ａｎｔｅｎｎａ　Ｄｉｖｅｒｓｉｔｙ　［　Ｊ］．　ＩＥＥＥ　Ｊ．　Ｓｅｌｅｃｔ．　Ａｒ ｅａｓ　Ｃｏｍｍｕｎｉｃ．，　１９９４，１２（４）　：５６８　－　５７４．＠＠［１２］傅海阳，杨龙祥，李文龙．现代电信传输［Ｍ］．北京：人民 邮电出版社，２００１．２．＠＠［１３］　Ｒ　Ｓ　Ｂｌｕｍ，Ｊ　Ｈ　Ｗｉｍｔｅｒｓ，ｅｔ　ａｌ．Ｏｎ　ｔｈｅ　ｃａｐａｃｉｔｙ　ｏｆ　ｃｅｌｌｕｌａｒ　ｓｙｓ ｔｅｍｓ　ｗｉｔｈ　ＭＩＭＯ［　Ｊ］．　ＩＥＥＥ　Ｃｏｍｍｕｎ．　Ｌｅｔｔ．，　２００２，６（６）　：　２４２＠＠［　１４］　Ｒ　Ｓ　Ｂｌｕｍ．ＭＩＭＯ　ｃａｐａｃｉｔｙ　ｗｉｔｈ　ｉｎｔｅｒｆｅｒｅｎｃｅ　［Ｊ］．　ＩＦＥＥ　Ｊ．　Ｓｅｌ． Ａｒｅａｓ　Ｃｏｍｍｕｎ．　，２００３，２１　（５）：７９３－　８０１．＠＠［　１５　］　Ｘｉａｎｇｄｏｎｇ　Ｊｉａ，　Ｗｅｉ　Ｘｉｏ，　Ｈａｉｙａｎｇ　Ｆｕ，　Ｊｕｎｆｅｎｇ　Ｆａｎ．　Ａｎ　Ｅａｓｙ Ｒａｋｅ　Ｒｅｃｅｉｖｅｒ　ｆｏｒ　ＴＤ－ＳＣＤＭＡ　Ｓｍａｒｔ　Ａｎｔｅｎｎａ［　Ｊ／ＯＬ］．　Ｗｉｒｅ ｌｅｓｓ　Ｐｅｒｓ．　Ｃｏｍｍｕｎ．，　ＤＯＩ：　１０．　１００７／ｓ１１２７７－０１０－００１２－ｘ， ２０１０．５，　ｈｔｔｐ：／／ｗｗｗ．　ｓｐｒｉｎｇｅｒｌｉｎｋ．　ｃｏｎｍ／ｃｏｎｔｅｎｔ／ｙ５９ｑ８７１３０ ｋ３９４３ｒｌ／＠＠［１６］傅海阳，戴振华，郑建光，贾向东．多径信号载波相干解 调ＲＡＫＥ接收机［Ｊ］．北京邮电大学学报，２０１０，３３（３）：３０ －　３３．Ｆｕ　Ｈａｉ－ｙａｎｇ，Ｄａｉ　Ｚｈｅｎ－ｈｕａ，　Ｚｈｅｎｇ　Ｂａｎ－ｇｕａｎｇ，　Ｊｉａ　Ｘｉａｎｇｄｏｎｇ．　ＲＡＫＥ　Ｒｅｃｅｉｖｅｒ　ｗｉｔｈ　Ｃａｒｒｉｅｒ　Ｃｏｈｅｒｅｎｔ　Ｄｅｍｏｄｕｌａｔｉｏｎ　ｆｏｒ　Ｍｕｌｔｉ－Ｐａｔｈ　Ｓｉｇｎａｌｓ［　Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｂｅｉｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｐｏｓｔｓ　ａｎｄ　Ｔｅｌｅｃｏｒｎｒｍｍｉｃａｔｉｏｎｓ，２０１０，３３（３）　：３０　－　３３．　（ｉｎ　Ｃｈｉｎｅｓｅ）＠＠［１７］贾向东，李凡等．智能天线基带幅度加权波束赋形及其 ＣＤＭＡ应用性能分析［Ｊ］．电波科学学报，２０１０，２５（３）： ５０５－５１１． Ｊｉａ　Ｘｉａｎｇ－ｄｏｎｇ，Ｌｉ　Ｆａｎ，ｅｔ　ａｌ．　Ｂｅａｍｆｏｍｉｎｇ　ｓｃｈｅｍｅ　ｆｏｒ　ｓｍａｒｔ ａｎｔｅｎｎａ　ｂｙ　ｕｓｉｎｇ　ｂａｓｅ－ｂａｎｄ　ａｍｐｌｉｔｕｄｅ　ｗｅｉｇｈｉｎｇ　ａｎｄ　ｐｅｒｆｏｒ ｍａｎｃｅ　ａｎａｌｙｓｉｓ　ｉｎ　ＣＤＭＡ［　Ｊ　］．　Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒａｄｉｏ　Ｓｃｉ ｅｎｃｅ，２０１０，２５（３）　：５０５　－　５５１．　（ｉｎ　Ｃｈｉｎｅｓｅ）＠＠［１８］　Ｈａｉｙａｎｇ　Ｆｕ，　Ｘｉａｏ　Ｋｏｎｇ，　Ｊｉａｎｇｕａｎｇ　Ｚｈｅｎｇ，　Ｘｉａｎｇｄｏｎｇ　Ｊｉａ．Ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　Ｓｍａｒｔ　Ａｎｔｅｎｎａ　Ｒｅｃｅｉｖｅｓｓ　Ｉｍｐｌｅｍｎｔｅｄ　ｉｎ　Ｄｉｆｆｅｒｅｎｔ　Ｆｒｅｑｕｅｎｄｅｓ［Ａ］．Ｐｒｏｃ　ｏｆ　２００９　ＩＥＴ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｃｏｎｆｅｒｅ．ｎｃｅ　ｏｎ　Ｗｉｒｅｌｅｓｓ，　Ｍｏｂｉｌｅ　ａｎｄ　Ｃｏｍｐｕｔｉｎｇ　Ｐｒｏｃｅｅｄｉｎｇｓ　［Ｃ］．　Ｓｈａｎｇｈａｉ：　ＣＣＷＭＣ，２００９．６２２　－　６２５． 傅海阳男，１９５１年６月出生于上海市，南 京邮电大学通信与信息工程学院教授、博士生导 师．曾作为国家公派访问学者出国研修近两年． 在ＳＣＩ、ＥＩ和国内外等核心学术刊物发表论文６０ 余篇，编写专著等５本，获得国家发明专利５项， ９２年起获得国务院颁发的政府特殊津贴，研究 领域为移动互联网、移动通信与无线技术等． Ｅ－ｍａｉｌ：　ｆｕｈｙ＠　ｎｊｕｐｔ．　ｅｄｕ．ｃｎ 陈技江　男．１９８７年２月出生于浙江省绍兴 市，南京邮电大学通信与信息工程学院硕士研究 生，主要研究方向为移动通信与无线技术 Ｅ－ｍａｉｌ：　ｃｈｅｎｊｉｊｉａｎ０６０７０３＠　１２６．ｃｏｍ 曹士坷男．１９６４年４月出生于湖南省长沙市，博士，南京邮电大学通信与信息工程学院教授、硕士生导师．主要感兴趣的研究领域是无线通信及通信信号处理，包括循环平稳信号及其应用，信道均衡、信道辨识和抗干扰Ｅ－ｍａｉｌ：　ｃａｓｋ＠ｎｊｕｐｔ．ｅｄｕ．ｃｎ 贾向东　男，１９７１年８月出生于甘肃省渭源县，西北师范大学讲师，南京邮电大学博士研究生曾参与了国家９７３、８６３等重点项目课题的研究，在ＳＣＩ、ＥＩ和国内外等核心学术刊物发表论文２０余篇研究方向为移动与无线通信关键理论与技术，主要包括下一代无线网络、３Ｇ／Ｂ３Ｇ技术、协作通信、压缩感知协作、网络编码、物联网技术等目前主要集中于３Ｇ／Ｂ３Ｇ网络及其信号处理的研究 Ｅ－ｍａｉｌ：　ｊｉａｘｄ＠　ｎｗｎｕ．ｅｄｕ．ｃｎ＠＠［５］李壁镜，王国俊正则蕴涵算子所对应的逻辑伪度量空间 ［Ｊ］．电子学报，２０１０，３８（３）：４９７　－　５０２．ＬＩ　Ｂｉｊｉｎｇ，ＷＡＮＧ　Ｇｕｏｊｕｎ．Ｌｏｇｉｃ　ｐｓｅｕｄｏ－ｍｅｔｒｉｃ　ｓｐａｃｅ　ｏｆ　ｒｅｇｕｌａｒ　Ｉｍｐｌｉｃａｔｉｏｎ　ｏｐｅｒａｔｏｒｓ［　Ｊ　］．　Ａｃｔａ　Ｅｌｅｃｔｒｏｎｉｃ　Ｓｉｎｉｃａ，　２０１０，　３８（３）　：４９７－５０２．＠＠［６］胡明娣，王国俊．模糊模态逻辑中的永真式与准永真式 ［Ｊ］．电子学报，２００９，３７（１１）：２４８４－２４８８．ＨＵ　Ｍｉｎｇｄｉ，　ＷＡＮＧ　Ｇｕｏｊｕｎ．　Ｔａｕｔｏｌｏｇｉｅｓ　ａｎｄ　ｑｕａｓｉ－ｔａｕｔｏｌｏｇｉｅｓ　ｉｎ　ｆｕｚｚｙ　ｍｏｄｅｌ　ｌｏｇｉｃ［Ｊ］．　Ａｃｔａ　Ｅｌｅｃｔｒｏｎｉｃ　Ｓｉｎｉｃａ，２０１０，３７（１１）　：２４８４　－　２４８８，　（　ｉｎ　Ｃｈｉｎｅｓｅ）＠＠［７］汪德刚，谷云东，李洪兴．模糊模态命题逻辑及其广义重 言式［Ｊ］．电子学报，２００７，３５（２）：２６１　－　２６４ＷＡＮＧ　Ｄｅｇａｎｇ，　ＧＵ　Ｙｕｎｄｏｎｇ，　ＬＩ　Ｈｏｎｇｘｉｎｇ．　Ｇｅｎｅｒａｌｉｚｅｄ　ｔａｕｔｏｌｏｇｙ　ｉｎ　ｆｕｚｚｙ　ｍｏｄｅｌ　ｐｏｒｐｏｓｉｔｉｏｎａｌ　ｌｏｇｉｃ［Ｊ］．　Ａｃｔａ　Ｅｌｅｃｔｒｏｎｉｃ Ｓｉｎｉｃａ，２００７，３５（２）　：２６１　－　２６４．　（ｉｎ　Ｃｈｉｎｅｓｅ　）＠＠［８］　Ｈ　Ｂ　Ｗｕ．Ｔｈｅ　ｔｈｅｏｒｙ　ｏｆ　ｇｅｎｅｒａｌｉｚｅｄ　ｔａｕｔｏｌｏｇｉｅｓ　ｉｎ　ｔｈｅ　ｒｅｖｉｓｅｄ Ｋｌｅｅｎｅ　ｓｙｓｔｅｍ［Ｊ］．　Ｓｃｉｅｎｃｅ　ｉｎ　Ｃｈｉｎａ（Ｅ），２００１，４４：２３３　－２３８．＠＠［９］　Ｓ　Ｍ　Ｗａｎｇ，Ｂ　Ｓ　Ｗａｎｇ，Ｆ　Ｒｅｎ．ＮＭ（Ｌ），Ａ　ｓｃｈｅｍａｔｉｃ　ｅｘｔｅｎｓｉｏｎ　ｏｆ Ｆ．　Ｅｓｔｅｖａ　ａｎｄ　Ｌ．Ｇｏｄｏ＇　ｓ　ｌｏｇｉｃ　ＭＴＬ［Ｊ］　．Ｆｕｚｚｙ　Ｓｅｔｓ　ａｎｄ　Ｓｙｓ ｔｅｍｓ，２００５，１４９：２８５　－　２９５．＠＠［１０］吴洪博，张琼．ＮＭ（Ｌ）系统的有限强完备性定理［Ｊ］．电子 学报，２０１０，３８（６）：１４１４　－　１４１８ ＷＵ　Ｈｏｎｇｂｏ，　ＺＨＡＮＧ　Ｑｉｏｎｇ．　Ｏｎ　ｔｈｅ　ｆｉｎｉｔｅ　ｃｏｍｐｌｅｔｅｎｅｓｓ　ｏｆ ＮＭ（Ｌ）［Ｊ］　．Ａｃｔａ　Ｅｌｅｃｔｒｏｎｉｃ　Ｓｉｎｉｃａ，２０１０，３８（６）：　１４１４－　１４１８． （ｉｎ　Ｃｈｉｎｅｓｅ）＠＠［　１１］　Ｆ　Ｅｓｔｅｖａ，　Ｌ　Ｇｏｄｏ．　Ｍｏｎｏｉｄａｌ　Ｔ－ｎｏｒｍ　ｂａｓｅｄ　ｌｏｇｉｃ：　Ｔｏｗａｒｄｓ　ａ　 ｌｏｇｉｃ　ｆｏｒ　ｌｅｆｔ－　ｃｏｎｔｔｉｎｕｏｕｓ　ｔ－　ｎｏｒｍｓ［　Ｊ］　．Ｆｕｚｚｙ　Ｓｅｔｓ　ａｎｄ　Ｓｙｓ ｔｅｍｓ，２００１，１２４：２７１　－　２８８．。

mimo 信道容量推导
MIMO技术是一种重要的无线通信技术，可以充分利用多个天线进行数据传输，从而提高了信道容量。

本文将介绍MIMO信道容量的推导过程。

首先，我们需要了解MIMO信道的基本模型。

假设有N个发射天线和M个接收天线，那么MIMO信道可以表示为一个M×N的矩阵H。

这个矩阵描述了信道中的各种影响，包括多径效应、衰落等等。

接下来，我们需要推导MIMO信道的容量。

容量是指在给定的信噪比条件下，信道可以传输的最大信息速率。

在MIMO系统中，容量的计算需要考虑信道的特性以及天线之间的相互作用。

假设每个天线可以传输R个比特，那么在一个MIMO系统中，总的容量C可以表示为：
C = log2(det(I + SNR * H * H^H))
其中，SNR表示信噪比，H表示信道矩阵，H^H表示H的共轭转置，det表示矩阵的行列式。

这个公式中，H * H^H表示信道矩阵的协方差矩阵，即信道的统计特性。

I表示单位矩阵，表示信号的独立性。

SNR表示信噪比，表示信号和噪声的比例。

log2表示将信息速率转换为比特率。

通过对这个公式的求解，可以得到MIMO系统的容量。

这个容量的大小与天线数、信道条件、信噪比等因素有关，因此在实际应用中需要根据具体情况进行计算和优化。

总之，MIMO技术的出现极大地提高了无线通信的效率。

通过对
MIMO信道容量的推导，我们可以更好地了解MIMO系统的特性，从而更好地应用这种技术。

MIMO系统的原理及容量分析MIMO (Multiple Input Multiple Output)系统是一种利用多个天线实现的无线通信系统。

相对于传统的单输入单输出（SISO）系统，MIMO系统可以显著提高信号传输的质量和容量。

本文将介绍MIMO系统的原理以及容量分析。

MIMO系统的原理是利用多个天线在发射端和接收端之间实现多路径信号的传输和接收。

与SISO系统相比，MIMO系统可以同时发送和接受多个独立的数据流。

通过多个天线同时工作，MIMO系统可以在相同的频谱带宽和发射功率下实现更高的数据传输速率和更好的抗干扰能力。

在MIMO系统中，发射端将输入的数据流通过独立的天线发送，接收端则通过多个天线接收到来自不同路径的信号。

每个接收天线可以接收到与发射天线相对应的信号，这些信号在传输过程中经历了不同的路径和衰减。

接收端通过对接收到的信号进行处理和合并，可以恢复出原始的信号流，从而提高系统的容量和性能。

MIMO系统的容量分析是评估系统的性能和限制的关键方法。

MIMO系统的容量主要由两个因素决定：空间多样性和信道状态信息。

空间多样性是指通过使用多个天线来利用信号在空间中的不同路径，从而提高系统的信号传输质量。

信道状态信息是指发送和接收端对信道状况的了解，包括信道增益、相位等信息。

MIMO系统的容量可以通过计算信道容量来评估。

信道容量表示在给定的信号传输条件下，所能达到的最大数据传输速率。

对于MIMO系统，信道容量可以通过计算信道的奇异值分解（SVD）来获得。

通过SVD分解，可以将原始信道分解为多个独立的子信道，每个子信道都具有不同的信道增益。

系统的总容量等于各个独立子信道容量的总和。

对于一个MIMO系统，其容量与天线的数量、信道状况和调制方式等因素密切相关。

通常情况下，增加天线的数量可以提高系统的容量。

在理想的条件下，如果天线数量等于信道的最小维度（最小值为发射端和接收端天线数量的较小值），则可以实现系统的最大容量。

《毫米波大规模MIMO系统中信道估计研究》篇一一、引言随着无线通信技术的飞速发展，毫米波大规模MIMO （Multiple Input Multiple Output）系统因其高带宽、高数据传输速率和良好的频谱效率等优势，在5G及未来通信网络中扮演着重要角色。

然而，在毫米波大规模MIMO系统中，由于信号传播的复杂性以及高频段的特性，信道估计成为了一个重要的研究课题。

本文旨在研究毫米波大规模MIMO系统中的信道估计技术，为提高系统性能和可靠性提供理论支持。

二、毫米波大规模MIMO系统概述毫米波大规模MIMO系统利用毫米波频段的信号进行数据传输，通过在基站和移动设备上部署大量天线来实现多输入多输出的效果。

这种系统具有高带宽、高数据传输速率和良好的频谱效率等优点，可满足未来无线通信的高需求。

然而，由于毫米波信号的传播特性以及大规模MIMO系统的复杂性，信道估计成为了关键的技术挑战。

三、信道估计的重要性信道估计是毫米波大规模MIMO系统中的重要环节，它直接影响着系统的性能和可靠性。

信道估计的主要任务是通过接收到的信号估计出信道的特性，如信道冲激响应、多径传播等。

准确的信道估计有助于提高系统的频谱效率和数据传输速率，降低误码率，从而提高系统的整体性能。

四、信道估计技术研究针对毫米波大规模MIMO系统的信道估计，本文提出以下几种技术：1. 基于压缩感知的信道估计：压缩感知是一种有效的信号处理技术，可以在低信噪比环境下实现准确的信道估计。

通过利用毫米波信道的稀疏特性，将信道估计问题转化为稀疏信号恢复问题，从而提高信道估计的准确性。

2. 联合估计与均衡技术：在毫米波大规模MIMO系统中，由于多径传播和信号干扰等因素的影响，单纯的信道估计可能无法满足系统的需求。

因此，本文提出了一种联合估计与均衡技术，通过同时进行信道估计和信号均衡，提高系统的性能和可靠性。

3. 深度学习在信道估计中的应用：深度学习在无线通信领域具有广泛的应用前景。

146 2010年第02期，第43卷通信技术 Vol.43，No.02,2010 总第218期Communications Technology No.218,Totally室内分布式天线系统信道测量及容量分析贾渊植①，李云洲②，张焱③，周世东③，罗晨④（①清华大学微电子学研究所，北京 100084；②清华大学信息技术研究院，北京 100084；③清华大学电子工程系，北京 100084；④总参陆航驻北京地区军代室，北京 100050）【摘要】分布式天线系统通过在地理位置上分布式放置天线，增强了系统的覆盖性能，也提高了系统的分集增益和容量性能。

通过自主搭建的信道测量平台，对室内分布式天线系统信道进行了测量，其中发端天线分布式放置，接收端天线集中放置，对数据分析表明，在不存在视距传输或者视距传输分量不明显的情况下，各发天线到收端的信道解相关特性良好，容量性能提高较大；反之则容量性能下降。

系统容量与天线是否均匀放置也密切相关，天线均匀放置时，容量提高且分布更为均匀。

【关键词】信道测量；分布式天线系统；系统容量【中图分类号】TN918 【文献标识码】A 【文章编号】1002-0802(201002-0146-03Channel Measurements and Capacity Analysis of IndoorDistributed Antenna SystemJIA Yuan-zhi①， LI Yuan-zhou②， ZHANG Yan③， ZHOU Shi-dong③， LUO Chen④(①Institute of Microelectronics, Tsinghua University, Beijing 100084, China;②Research Institute of Information Technology, Tsinghua University, Beijing 100084, China;③Department of Electronic Engineering Tsinghua University, Beijing 100084, China;④AAF Military Representative Office in Beijing, PLA Headquarters of the General Staff, Beijing 100050, China【Abstract】In distributed antenna system, the antennas are distributed in the geographical positions, thus to enhance the coverage performance, diversity gain and capacity performance of the system. The indoor distributed antenna system channel measurement is carried out through independently-built platform. In this measurement, the transmit antennas are scattered and the receive antennas are placed together. The analysis on the measured data indicates that the capacity performance of the system is remarkably improved in case that there is no line-of-sight transmission or the line-of-sight components are not obvious, otherwise the capacity performance would decrease. The system capacity is also closely related with the way of antenna placement. If the antennas are uniformly scattered, system capacity would be improved and its distribution is more uniform.【Key words】channel measurement；distributed antenna system；system capacity0 引言多天线技术作为下一代无线通信的主流备选技术，能极大的提高无线系统容量和频谱利用效率。

《毫米波大规模MIMO系统中信道估计研究》篇一一、引言随着无线通信技术的快速发展，毫米波大规模MIMO（多输入多输出）系统因其高频谱效率和空间复用能力，成为第五代移动通信（5G）及未来通信网络的关键技术之一。

然而，毫米波信号传播特性复杂，信道估计成为影响系统性能的关键因素。

本文旨在研究毫米波大规模MIMO系统中的信道估计问题，为提升系统性能提供理论依据和技术支持。

二、毫米波大规模MIMO系统概述毫米波大规模MIMO系统利用毫米波频段的信号进行通信，通过布置大量天线以实现空间复用增益。

该系统具有高频谱效率、低功耗、高安全性等优点，为未来的无线通信提供了强有力的技术支持。

然而，毫米波信号传播特性复杂，易受环境影响，导致信道估计难度增大。

三、信道估计的重要性信道估计是毫米波大规模MIMO系统中的关键技术之一，其目的是通过接收到的信号估计出信道的传输特性。

准确的信道估计对于提高系统性能具有重要意义，包括提高数据传输速率、降低误码率、提高系统可靠性等。

因此，研究毫米波大规模MIMO 系统中的信道估计是十分必要的。

四、信道估计的研究现状及挑战目前，针对毫米波大规模MIMO系统的信道估计方法主要包括基于训练序列的方法和基于压缩感知的方法。

基于训练序列的方法通过发送已知的训练序列来估计信道，具有较低的复杂度，但需要额外的训练开销。

基于压缩感知的方法利用信号的稀疏性进行信道估计，具有较高的准确性，但计算复杂度较高。

此外，毫米波信号传播特性复杂，信道变化较快，且存在遮挡物、多径效应等问题，这些都为信道估计带来了巨大的挑战。

五、本文研究内容及方法针对毫米波大规模MIMO系统中信道估计的挑战，本文提出了一种基于深度学习的信道估计方法。

该方法利用深度神经网络对信道进行建模和预测，通过训练神经网络来学习信道的特征和规律。

在训练过程中，我们使用大量的实际信道数据来优化神经网络的参数，使其能够更准确地估计信道。

此外，我们还采用了一种自适应的信道跟踪算法，以应对信道变化较快的问题。